task2 (1124481), страница 2

Файл №1124481 task2 (Раздаточные материалы) 2 страницаtask2 (1124481) страница 22019-05-11СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

В случае реализации методов, отличных от описанных в этом руководстве, нужно кратко объяснить принципы их работы.Выполненная базовая часть работы оценивается в 5 баллов. При невыполненииодного или нескольких пунктов требований работа будет оценена в 0 баллов. Принарушении первого требования к заданию работа будет оценена в -5 баллов. Баллы за дополнительные части задания начисляются только при условии успешноговыполнения базовой части. Количество начисленных за задание баллов не можетпревышать 15.

Задание нужно сдать до 26 октября 23:59 (мягкий дедлайн). При отправке работы после срока с каждым днем опоздания будет начисляться штраф в 1балл, кроме первых двух дней, когда штраф составит 0.5 балла в день. После 2 ноября 23:59 работы приниматься не будут (жесткий дедлайн). Для решения спорныхвопросов и ситуаций предусмотрена апелляция, время и место проведения которойопределяется проверяющими для каждой группы отдельно. Также на апелляциюмогут быть приглашены студенты, авторство работ которых вызывает сомнения.97Сборка работыРазархивируйте cygwin.exe и запустите сценарий Cygwin.bat.

Откроется консольи вы окажетесь в папке /home/<username>.Скопируйте в эту папку архив task2_project.tar.gz с каркасом задания и разархивируйте командой tar xvf task2_project.tar.gz. Разархивируйте в корень полученной директории архив с обучающими и тестовыми данными.Зайдите в папку проекта, введя в консоли команду cd task2_project. Запуститесценарий компиляции командой make all. В папке build/bin появятся исполняемыeфайлы.

Их можно запустить из консоли командой ./build/bin/<имя файла> . Удалить все скомпилированные файлы можно командой make cleanЕсли вы добавляете новые файлы в проект, то заголовочные файлы следует поместить в папке include/, файлы исходного кода - в папке src/Примеры:Обучить модель:task2.exe -d ../../data/binary/train_labels.txt -m model.txt --trainКлассифицировать изображения из тестовой выборки с помощью обученногоклассификатора:task2.exe -d ../../data/binary/test_labels.txt -m model.txt -l predictions.txt--predictПроверка точности классификации:./compare.py data/binary/test_labels.txt build/bin/predictions.txt8Детали реализацииВ данном разделе содержится информация о некоторых деталях реализации шаб-лона.Загруженные изображения хранятся в виде объектов класса BMP.

Обращение кним осуществляется следующим образом:10RGBApixel pixel = image.GetPixel(0,0);int s = pixel.Red + pixel.Blue + pixel.Green;Основные используемые структуры данных описаны в начале файла task2.cpp:typedef vector<pair<BMP*, int> > TDataSet;typedef vector<pair<string, int> > TFileList;typedef vector<pair<vector<float>, int> > TFeatures;TDataSet — вектор, состоящий из пар "Указатель на изображение, Метка класса".TFileList — вектор, состоящий из пар "Имя файла с картинкой, Метка класса".TFeatures — вектор, состоящий из пар "Вектор признаков, Метка класса".9Дополнительные задания9.1Многоклассовая классификация (+2 балла)Бинарный классификатор из базовой части без изменения кода программы должен работать и в случае большего числа классов.

Вам необходимо обучить модельна примерах из подпапки data/multiclass:task2.exe -d ../../data/multiclass/train_labels.txt -m model_multiclass.txt --trainДалее, классифицировать изображения из тестовой выборки с помощью обученного классификатора:task2.exe -d ../../data/multiclass/test_labels.txt -m model_multiclass.txt -lpredictions.txt --predictИ проверить точность классификатора, она должна быть не ниже 50%./compare.py data/multiclass/test_labels.txt build/bin/predictions.txtФайл с обученной моделью model_multiclass.txt следует поместить в корень проекта.119.2Нелинейные ядра SVM (+3 балла)В этом задании необходимо реализовать нелинейное ядро для классификатораSVM.В линейном SVM в качестве функции расстояния между векторами признаковнеявно используется скалярное произведение в Евклидовом пространстве h·, ·i.

Этоне лучший вариант для признаков-гистограмм, поэтому совместно с HOG часто исPPyd, где сумпользуют нелинейный SVM с χ2 ядром: K(x, y) = d k(xd , yd ) = d xxdd+ydмирование идёт по всем компонентам векторов. Проблема в том, что сложность обучения становится вместо линейной по числу прецедентов, кубической. К счастью,благодаря специальным свойствам ядра χ2 (аддитивное, гомогенное), существует такое преобразование признакового пространства Ψ(x), что K(x, y) = hΨ(x), Ψ(y)i.Таким образом, можно сначала преобразовать признаки, а потом передавать их навход линейному SVM.Для каждой компоненты вектора x преобразование выглядит как [Ψ(x)]λ =pe−iλ log x xκ(λ), где в случае χ2 ядра κ(λ) = sech(πλ).

Чтобы получить точное значение, необходимо взять конкатенацию значений этой функции по всем вещественнымλ, но тогда вектор признаков будет иметь бесконечную размерность. Поэтому берутего значения в нескольких точках: −nL, (−n + 1)L, . . . , nL, где n - порядок аппроксимации (обычно достаточно 1 или 2), а L — шаг аппроксимации, который нужноподбирать по валидационной выборке или на скользящем контроле (начать можно созначений 0.25..0.5).

Поскольку значения функции комплексные, вещественные и мнимые части рассматриваются отдельно и конкатенируются (при этом размер векторавырастает ещё в два раза). Подробнее техника описана в статье• A. Vedaldi and A. Zisserman, “Efficient Additive Kernels via Explicit Feature Maps,”IEEE Conference on Computer Vision and Pattern Recognition, 2010.9.3Пирамида дескрипторов (+3 балла)Пирамида дескрипторов строится следующим образом:• Изображение делится на 4 части.12• В каждой части считается дескриптор HOG.• Все дескрипторы конкатенируются.

(1 дескриптор HOG всего изображения +4 дескриптора HOG частей изображения)9.4Цветовые признаки (+3 балла)В этом задании вам необходимо использовать цветовые признаки, чтобы улучшить качество классификатора.Извлекать цветовые признаки можно следующим образом:• Изображение делится на 64 блока (8 на 8)• В каждом блоке считается средний цвет (три значения - среднее для каждогоиз каналов)• Все значения вытягиваются в один вектор и приводятся к отрезку [0, 1] (необходимо поделить на 255)13• Полученный вектор конкатенируется с вектором HOG10Часто задаваемые вопросы• Нужно ли реализовывать классификатор, или достаточно реализовать дескриптор HOG?Результатом выполнения задания должен быть классификатор — программа,способная классифицировать изображения автодорожных знаков будучи запущенной с помощью команд, указанных выше.

Однако в шаблоне задания реализованы все части классификатора, кроме дескриптора HOG, поэтому обезадачи фактически эквивалентны.• Как соединить гистограммы для отдельных клеток в дескрипторизображения?Нужно просто конкатенировать, т.е. записать последовательно, друг за другом,эти гистограммы, в один массив.14.

Характеристики

Тип файла
PDF-файл
Размер
385,56 Kb
Тип материала
Высшее учебное заведение

Список файлов учебной работы

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6472
Авторов
на СтудИзбе
304
Средний доход
с одного платного файла
Обучение Подробнее